[發(fā)明專利]一種基于馬爾可夫隨機場模型的工業(yè)場景工況聚類方法、系統(tǒng)、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202111175421.4
• 申請日: 2021-10-09
• 公開（公告）號: CN113869442A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設計）人: 翟俊鵬;曲曉峰;王達夢;楊永明;王克劍
• 申請（專利權）人: 哈電發(fā)電設備國家工程研究中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 哈爾濱市晨晟知識產權代理有限公司 23219
• 代理人: 宮曉平

一種基于馬爾可夫隨機場模型的工業(yè)場景工況聚類方法、系統(tǒng)、設備及存儲介質，屬于工業(yè)數(shù)據分析技術領域。本發(fā)明的方法包括步驟S100、初步篩選出能夠影響發(fā)電廠運行工況變化的特征，并其進行初步處理；步驟S200、將初步處理后的影響發(fā)電廠運行工況變化特征進行降噪處理；步驟S300、將降噪處理后的影響發(fā)電廠運行工況變化特征數(shù)據進行降維處理；步驟S400、將降維處理后的數(shù)據進行聚類，以得到運行工況。本發(fā)明的系統(tǒng)包括包括初步篩選模塊、噪聲抑制模塊、特征降維模塊和工況聚類模塊。本發(fā)明進一步提高了處理和分析機組海量數(shù)據的效率，實現(xiàn)了人工處理海量機組數(shù)據時所無法達到的高效性和經濟性。

技術領域

本發(fā)明涉及一種工業(yè)場景下工況的構建方法、系統(tǒng)、設備及存儲介質，屬于工業(yè)數(shù)據分析技術領域。

背景技術

在工業(yè)大數(shù)據分析領域，實際工業(yè)信號往往來自許多生產系統(tǒng)傳感器，且這些數(shù)據多隨時間變化。工況定義為將該高維時序信號劃分的若干可能的狀態(tài)。如熱電廠的運行狀態(tài)大致可分為啟動段、運行段、停止段、異常段等。工況挖掘和識別通過機器學習算法挖掘高維數(shù)據中隱藏的工況信息，這對實際生產有一定的指導意義，同時也是許多后續(xù)算法(預測、分類)重要的前處理手段。

現(xiàn)有的工況聚類算法主要有基于距離度量、基于數(shù)據概率分布層次聚類等方法。基于距離度量的聚類算法的主要問題在于，無論是采用何種距離度量以及聚類算法，都需要對原始信號進行切割，且要求切割后的子序列長度一致。過長的子序列可能包含不止一個的隱藏工況，而過短的子序列則可能包含較少的數(shù)據特征，都對聚類算法的結果有不利影響，且人為對序列進行分割也不利于保留原時間序列的時間一致性。基于數(shù)據分布的層次聚類方法則直觀地根據數(shù)據在某些維度上的分布特征確定分割點進行聚類，優(yōu)勢在于算法直觀，可解釋性強，不足之處在于用于層次聚類的特征往往是分布十分集中的類別特征，不平穩(wěn)或波動性大的特征則不能用于該類方法，使用較為受限。

因此亟需一種工業(yè)場景下的工況聚類方法，以挖掘工業(yè)場景下的潛在工況。

發(fā)明內容

本發(fā)明為了高精度、高效率的實現(xiàn)工業(yè)場景下的潛在工況挖掘，在下文中給出了關于本發(fā)明的簡要概述，以便提供關于本發(fā)明的某些方面的基本理解。應當理解，這個概述并不是關于本發(fā)明的窮舉性概述。它并不是意圖確定本發(fā)明的關鍵或重要部分，也不是意圖限定本發(fā)明的范圍。

本發(fā)明提供了一種基于馬爾可夫隨機場模型的工業(yè)場景工況聚類方法，包括以下步驟：

步驟S100、從發(fā)電廠眾多特征中初步篩選出能夠影響發(fā)電廠運行工況變化的特征，并對這些能夠影響發(fā)電廠運行工況變化的特征進行初步處理；

步驟S200、將步驟S100初步處理后的影響發(fā)電廠運行工況變化特征進行降噪處理；

步驟S300、將步驟S200中進行降噪處理后的影響發(fā)電廠運行工況變化特征數(shù)據進行降維處理；

步驟S400、將降維處理后的數(shù)據進行聚類，以得到運行工況。

進一步地：步驟S100中，在燃煤鍋爐發(fā)電廠已有所有測點數(shù)據中，采集以5秒為時間周期，總時間長度為4個月的數(shù)據中，選擇影響鍋爐工況變化的特征。

進一步地：步驟S200中，對影響發(fā)電廠運行工況變化特征進行降噪處理方法是：首先將異常數(shù)據進行修正，再對高頻噪聲進行抑制，具體方式為：

異常數(shù)據的處理方法：

自定義時間窗口值w，從X_m第一個數(shù)據開始取后續(xù)共w個數(shù)據，之后將窗口不斷向前平移，次都計算該窗口內數(shù)據的標準差σ和均值μ，出現(xiàn)在μ±3σ范圍之外的數(shù)據視為異常數(shù)據，用異常數(shù)據的前后共6個數(shù)據取均值作為替換值，替換異常數(shù)據，之后將窗口不斷向前平移，每次都對異常數(shù)據進行替換，直至處理完該特征內的所有數(shù)據；

噪聲的處理方法是：